多摄像机下的运动目标检测与跟踪

论文摘要

多摄像机视频监控系统是现代智能视频监控系统的重要发展方向,在现代生产和生活中都有着广泛的应用。多摄像机下的运动目标检测和跟踪是视频监控系统的重要应用功能,对这两项技术的研究将有着重要的意义。运动目标检测的目的是从当前视频图像中提取出可能包含目标的运动区域,并对这部分区域进行处理,提取出我们感兴趣的目标。能否快速准确的检测出运动目标,是进行一系列后续处理的前提和基础。在现有的跟踪算法中,Mean shift算法实时性好,跟踪效果佳,在目标跟踪领域得到了广泛的应用。针对多摄像机系统中目标跟踪具有长时间、大范围场景的特点,对传统的Mean shift算法进行了改进,使得目标跟踪能适应视频图像中目标大小的变化,并在较为复杂的场景中也有着良好的适应性。相比单摄像机系统,多摄像机系统下的目标连续跟踪还需要解决两个重要问题。一个是系统中的多摄像机协作问题,另一个是多摄像机间的目标交接问题。本文通过划分多摄像机间的视野分界线及公共区域,结合主从摄像机分配原则完成系统对多摄像机的调度;在目标交接方面,采用基于主颜色特征及位置匹配的方法完成对多摄像机间目标身份的确认,进而完成多摄像机系统下的目标连续跟踪问题。最后,对本文所做工作进行了总结和展望。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 多摄像机视频监控系统及其技术难点
• 1.2.1 多摄像机视频监控系统
• 1.2.2 运动目标检测
• 1.2.3 运动目标跟踪
• 1.2.4 多摄像机下的目标连续跟踪
• 1.3 本文主要工作及论文安排
• 1.3.1 本文主要工作
• 1.3.2 本文章节安排
• 第二章 运动目标检测与跟踪
• 2.1 引言
• 2.2 运动目标检测
• 2.2.1 帧差法
• 2.2.2 光流场法
• 2.2.3 背景减除法
• 2.3 背景重建
• 2.3.1 时间平均法
• 2.3.2 中值法
• 2.3.3 基于帧差的方法
• 2.4 基于HIS 模型的彩色图像运动区域检测
• 2.5 运动目标跟踪
• 2.5.1 目标跟踪中的Mean Shift 算法
• 2.5.2 目标模型和候选模型
• 2.5.3 相似性函数
• 2.5.4 目标定位
• 2.6 基于背景比的Mean Shift 算法
• 2.7 基于探测比的目标模板更新
• 2.8 实验结果与分析
• 2.9 本章小结
• 第三章 基于视野分界线的多摄像机协同
• 3.1 引言
• 3.2 多摄像机同步
• 3.3 相邻摄像机组
• 3.4 视野分界线
• 3.4.1 基于视频同步序列的视野分界线生成算法
• 3.4.2 基于投影不变量的视野分界线生成算法
• 3.4.3 实验结果与分析
• 3.5 多摄像机协作策略及算法
• 3.5.1 多摄像机协作策略
• 3.5.2 基于视野分界线的多摄像机协作算法
• 3.5.3 实验结果与分析
• 3.6 本章小结
• 第四章 多摄像机目标连续跟踪
• 4.1 引言
• 4.2 目标连续跟踪及其常用算法
• 4.3 人体模型理论
• 4.4 人群目标分割
• 4.4.1 摄像机成像模型
• 4.4.2 人体目标成像比例
• 4.4.3 人群目标分割
• 4.4.4 实验结果与分析
• 4.5 基于人体模型及主颜色特征的目标连续跟踪
• 4.5.1 人体目标主颜色提取
• 4.5.2 基于视野分界线的目标位置匹配
• 4.5.3 基于人体模型及主颜色特征的目标连续跟踪
• 4.5.4 实验结果与分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文